Uutiset

NSWCPD hyödyntää tekoälyä ja koneoppimista ennakoivassa koneiden kunnonvalvonnassa

Naval Surface Warfare Center, Philadelphia Division (NSWCPD) on ottanut käyttöön tekoälyyn ja koneoppimiseen perustuvan järjestelmän, joka ennakoi koneiden vikoja analysoimalla niiden värähtelyjä. Tämä uusi teknologia voi mullistaa laivaston huoltokäytännöt ja parantaa alusten toimintavarmuutta.

Uusi teknologia parantaa ennakoivaa kunnossapitoa

NSWCPD:n insinöörit ovat kehittäneet kokeellisen koneoppimismallin, joka tunnistaa koneiden vikaantumisen merkit analysoimalla niiden värähtelydataa. Tavoitteena on havaita mahdolliset viat ennen kuin ne aiheuttavat merkittäviä ongelmia. Tämä on osa laivaston Condition-Based Maintenance Plus (CBM+) -aloitetta, jossa yhdistetään perinteiset huoltokäytännöt tekoälypohjaiseen ennakoivaan kunnossapitoon.

Kokeilut ja tutkimus

NSWCPD:n insinöörit ovat rakentaneet testausympäristön, jossa he voivat turvallisesti simuloida erilaisia vikatilanteita, kuten ilmanvuotoja ja jäähdytysvesiongelmia. Näiden kokeilujen avulla he keräävät dataa, jolla testataan koneoppimismallien kykyä erottaa terveet toiminnot tunnetuista vioista. Kokeiden tulokset ovat lupaavia: mallit pystyvät tunnistamaan kymmenen keskeistä indikaattoria, jotka luotettavasti osoittavat yleisiä vikoja.

Tulevaisuuden näkymät

Vaikka nykyiset kokeilut ovat lupaavia, seuraava askel on laajentaa datan monimuotoisuutta ja testata järjestelmää todellisissa olosuhteissa. Tämä on haastavaa, mutta alkuvaiheen tulokset ovat rohkaisevia. Lisäksi rajoitettu tiedonsiirtokapasiteetti sukellusveneissä tarkoittaa, että datan käsittely on siirrettävä ”reunaan” eli laitteisiin, jotka ovat lähellä koneita ja pystyvät käsittelemään dataa paikan päällä.

Miksi tämä on tärkeää

Tekoälyn ja koneoppimisen hyödyntäminen laivaston kunnossapidossa voi merkittävästi parantaa alusten toimintavarmuutta ja vähentää odottamattomia huoltokatkoja. Tämä teknologia voi myös vähentää miehistön työtaakkaa, sillä se auttaa kohdentamaan huoltotoimenpiteet juuri niihin komponentteihin, jotka eniten tarvitsevat huomiota. Lisäksi se tarjoaa uudenlaista turvaa, kun koneet pystyvät itse ilmoittamaan vioista ennen niiden eskaloitumista vakaviksi ongelmiksi.